窄带随机过程的模拟与分析

合集下载

2.5 窄带随机过程

2.5 窄带随机过程

可见, 服从均匀分布。
第2章
随机过程
结论:
其包络aξ(t)的一维分布是瑞利分布,相位 t 的一维分布 t 是均匀分布,并且就一维分布而言,aξ(t)与 是统计独立 一个均值为零,方差为 2 的窄带平稳高斯过程 ξ(t) ,
的,即有下式成立:
f (a , ) f (a ) f ( )
s (t ) a (t ) sin (t )
第2章
随机过程
2.5.1同相和正交分量的统计特性 t 的统计特性可由 a t , t 或c t , s t 的统计特性
确定。反之亦然。 1. 数学期望 2 设窄带过程是平稳高斯窄带过程,且均值为0,方差为 。 对式(2.5 - 2)求数学期望: E[ (t )] E[c (t )]cos ct E[s (t )]sin ct (2.5-5) 因为已设ξ(t)平稳且均值为零,那么对于任意的时间t,都有E [ξ(t)]=0,所以由式(2.5-5)可得
E[ c (t )] 0 E[ s (t )] 0
(2.5-6)
第2章
随机过程
2. 自相关函数
R (t, t ) E[ (t ) (t )]
E{[ c (t ) cosc t s (t ) sin c t ]
[ c (t ) cosc (t ) s (t ) sin c (t )]}
第2章
随机过程
另外,因为ξ(t)是平稳的,所以ξ(t)在任意时刻的取值都
是服从高斯分布的随机变量, 故在式(2.5 - 2)中有
t t1 0 时, (t1 ) c (t1 )
t t2 时, (t2 ) s (t2 ) 2c

随机信号分析_第五章_窄带随机过程

随机信号分析_第五章_窄带随机过程

定义复指数函数: ~s (t) ae j (t) ae j e j0t a~e j0t 式中 a~ ae j ,称为复包络。 可以看出s(t)是~s (t) 的实部,即:
s(t) Re[~s (t)]
某些情况下,用复指数形式来分析 问题更加简便,可以简化信号和滤波器 的分析。
复信号~s (t) 的频谱为:
1. s(t) Re[~s (t)]
2.
X~ (
)
2 0
X
(
)
0 0
式中X~ ( )为~s (t)的频谱。
可以证明:满足上面要求的 ~s (t) 是 存在的,称为解析信号。把它用解析表 达式表示为:~s (t) s(t) jsˆ(t)
可以推导出: sˆ(t)
1
s( ) d
t
上式称为希尔伯特(Hilbert)变换,记做
0
ω ω0-ωc ω0 ω0+ωc
|X~H(ω)|
0
ω0-ωc ω0 ω0+ωc
ω
2. 复指数表示
设s(t)为窄带信号,其频谱为X(ω) 。 定义窄带信号s(t)的复指数函数 ~se (t) 为:
~se (t) A(t)e j[0t (t)] A~(t)e j0t 其中A~(t)=A(t)e j (t) sc (t) jss (t)
用复数表示为:
s(t)=acosφ(t)=a[ejφ(t)+ e-jφ(t)]/2
因为 e j0t ( 0 )
所以s(t)的频谱为:
X(ω)= a[ejθδ(ω-ω0)+e-jθδ(ω+ω0)]/2 |X(ω)|= a[δ(ω-ω0)+δ(ω+ω0)]/2 说明正弦型信号包含正负两种频率成分, 其频谱为对称的两根单一谱线。

窄带过程产生及随机信号功率谱仿真

窄带过程产生及随机信号功率谱仿真

一、模拟产生一个窄带随机过程。

首先产生两个相互独立的随机过程Ac(t)和As(t),用两个正交载波进行调制得到窄带过程。

绘出其波形、相关函数及功率谱(1000数据点)。

(陈超然)程序代码:clear all;clc;N=1000;X1 =0.2*randn(1,N);X2 =0.2*randn(1,N);fs=200;t =-0.5:1/N:(0.5-1/N);A=[1 -0.9];B=1;Xc=filter(B,A,X1);Xs=filter(B,A,X2);for n=1:NY(n)=Xc(n)*cos(2*pi*fs*t(n))- Xs(n)*sin(2*pi*fs*t(n));end[R,lags]= xcorr(Y,N);%计算序列的自相关NFFT=2^nextpow2(N); %求得最接近总点数的2^n,这里是1024Pxx=abs(fft(R,NFFT)/N); %对自相关函数进行fft变换f=fs*linspace(0,1,NFFT);figure(1)n=1:N;plot(t(n),Y(n));title('输出波形');figure(2)plot(lags,R);title('自相关函数');figure(3);plot(f,Pxx);%绘制功率谱曲线title('功率谱密度');运行结果输出波形相关函数功率谱密度二、如果信号X(t)的表达式为:X (t) = sin c(100t) cos(2p *200t)1、绘出信号及其幅度频谱曲线;2、当中心频率向左搬移f0=200Hz时,求出其低通等效信号,并绘出其幅度频谱、信号的同相、正交分量及包络;3、当中心频率向左搬移f0=100Hz时,求出其低通等效信号,并绘出其幅度频谱、信号的同相、正交分量及包络。

(郭静)程序代码:clcclearN=512;fs=N/0.5;%%%%%%%%%%%%%%%%%%%%%%%%%信号的产生及可视化%%%%%%%%%%%%%%%%%%%%%%%%%%t=-0.25:0.5/N:(0.25-0.5/N);for n=1:NX(n)=sinc(100*t(n))*cos(2*pi*200*t(n));h_t(n)=1/(pi*t(n));endn=1:N;figure(1)plot(t(n),X(n));grid;axis([-0.15 0.15 -1 1]);title('信号曲线');Xw=abs(fft(X,N)); %fft变化,除以信号的点数看原信号的幅值f=fs*linspace(0,1,N);%频率轴的产生figure(2)plot(f,Xw)title('信号幅频曲线') axis([0 1024 0 6])运行结果-0.1-0.050.050.10.15-1-0.8-0.6-0.4-0.200.20.40.60.81信号曲线01002003004005006007008009001000123456信号幅频特性%%%%%%%%%%%%%%%%%%%%%%%%%频率左移100%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% for n=1:NXc_1(n)=sinc(100*t(n))*cos(2*pi*100*t(n)); %信号频率左移100Ac_1(n)=sinc(100*t(n));endAs_1=hilbert(Ac_1); %信号的hilbert变换for n=1:NXs_1(n)=As_1(n)*sin(2*pi*100*t(n));endX_hil_1=hilbert(Xc_1);X_1_hil_fft=abs(fft(X_hil_1,N)); %信号的fft变换for n=1:NX_1_enve(n)=sqrt(Ac_1(n)^2+As_1(n)^2); %求信号的包络endfigure(3)subplot(221)plot(f,X_1_hil_fft)axis([0 512 0 12]);title('信号频率左移100hilbert变换的频谱')subplot(222)plot(t,Xc_1)title('f0=100低通等效同相分量')axis([-0.15 0.15 -0.6 1]);subplot(223)plot(t,Xs_1)axis([-0.15 0.15 -0.6 1]);title('f0=100低通等效正交分量')subplot(224)plot(t,X_1_enve)axis([-0.15 0.15 0 1.5]);title('f0=100低通等效包络')运行结果:%%%%%%%%%%%%%%%%%%%%%%%%%信号频率左移200%%%%%%%%%%%%%%%%%%%%%%%%%%%%% for n=1:NXc_2(n)=sinc(100*t(n))*cos(2*pi*0*t(n));Ac_2(n)=sinc(100*t(n)); endAs_2=hilbert(Ac_2); for n=1:NXs_2(n)=As_2(n)*sin(2*pi*0*t(n)); endX_hil_2=hilbert(Xc_2);X_2_hil_fft=abs(fft(Xc_2,N)); for n=1:NX_2_enve(n)=sqrt(Ac_2(n)^2+As_2(n)^2); end figure(4) subplot(221) plot(f,X_2_hil_fft) axis([0 512 0 12]);title('信号频率左移200hilbert 变换的频谱') subplot(222) plot(t,Xc_2)title('f0=200低通等效同相分量') axis([-0.15 0.15 -0.6 1]); subplot(223) plot(t,Xs_2)axis([-0.15 0.15 -0.6 1]); title('f0=200低通等效正交分量') subplot(224) plot(t,X_2_enve)hilbert 变换后信号左移100的频谱f0=100低通等效同相分量f0=100低通等效正交分量f0=100低通等效包络axis([-0.15 0.15 0 1.5]); title('f0=200低通等效包络')运行结果:hilbert 变换后信号左移200的频谱f0=200低通等效同相分量f0=200低通等效正交分量f0=200低通等效包络。

09第八章窄带随机过程

09第八章窄带随机过程

4S (w) w 0 (t)的 功 率 谱 密 度 S (w) X 5) 解 析 过 程 X X w 0 0 ˆ 解 : 已 知 R X ( ) 2[ R X ( ) jR X ( )], 等 式 两 边 做 傅 氏 变 换 可 得 : ˆ S X ( w ) 2[ S X ( w ) jS X ( w )] ˆ 其 中 , S X ( w ) j sgn( w ) S X ( w ) 所 以 : S X ( w ) 2[ S X ( w ) s g n ( w ) S X ( w )] 4SX (w) w 0 w 0 0
三、窄带随机过程的莱斯表达式
任 何 一 个 实 平 稳 随 机 过 程 X(t)都 可 以 表 示 为 : X ( t ) = ( t ) c o s w 0 t b ( t ) s in w 0 t 式 中 , 对 于 窄 带 随 机 过 程 来 说 , w 0一 般 为 窄 带 滤 波 器 的 中 心 频 率 。
( t ) , b ( t )为 另 外 两 个 随 机 过 程 。
ˆ ( t ) = X ( t ) c o s w 0t X ( t ) s i n w 0t ˆ b( t ) = - X ( t ) s i n w 0 t X ( t ) c o s w 0 t 证明:
证明: 若 X(t)为 实 随 机 过 程 , 则 其 解 析 过 程 为 : ˆ X ( t ) = X ( t ) jX ( t ) 用乘e
复随机过程
定义: 设{Xt, t∈T},{Yt, t∈T}是取实数值的两个随机过程,若对任意t∈T
Zt X
t
iY t
其中 i
1
,则称{Zt, t∈T}为复随机过程。

实验四窄带随机信号的仿真与分析

实验四窄带随机信号的仿真与分析

实验四:窄带随机信号的仿真与分析一、 实验目的利用计算机仿真窄带随机信号,考察其数字特征,以加深对窄带随机信号的特点及分析方法的掌握,熟悉常用的信号处理仿真平台软件matlab 。

二、 实验原理如果一个随机过程的功率谱密度,在分布在高频载波0ω附近的一个窄带频率范围ω∆内,在此范围之外全为0,则称之为窄带过程。

窄带过程是在信息传输系统,特别是接收机经常遇到的随机ωω∆>>信号,当窄带系统(接收机)输入的噪声(如热噪声)的功率谱分布在足够宽的频带(相对于接收机带宽)上时,系统饿输出即为窄带过程。

窄带信号的确切定义如下:一个实平稳随机过程)(t X ,如果它的功率谱密度)(ωx S 具有下述性质:而且带宽满足ωω∆>>,则称此过程为窄带平稳随机过程。

窄带平稳随机过程的功率谱密度函数如图所示:从示波器观看窄带随机过程的一个样本函数,可看到如下图所示的波形,从这个波形可以看出,窄带随机过程可表示成具有角频率0ω以及慢变幅度与相位的正弦振荡,这就说可以写成:式中,B (t )是随机过程的慢变幅度,)(t ϕ是过程的慢变相位,称之为准正弦振荡,这就是窄带过程的数学模型。

三、实验任务与要求用matlab编写仿真程序。

产生满足下列条件的窄带随机信号,其中A(t)包络频率为1khz,幅度为1V,载波频率为4khz,幅度为1V, 是一个固定相位,n(t)为高斯白噪声,采样频率设为16khz,实际上,这就是一个带有载波的双边带调制信号。

计算窄带随机信号的均值,均方值、方差、概率密度、频谱及功率谱密度、相关函数,用图示法表示。

提示:nosiy为高斯白噪声,有wgn函数生成。

a=cos(2*pi*1000*t);均值:Ex=mean(x);方差:Dx=var(x);用fft函数可以很方便的计算出X(t)的频谱,然后用abs和angle函数求得幅度和相位;用函数xcorr 求自相关序列对自相关函数,进行fft变换,得到X(t)的功率谱密度。

6.窄带随机过程的产生 - 随机信号分析实验报告

6.窄带随机过程的产生 - 随机信号分析实验报告

计算机与信息工程学院综合性实验报告一、实验目的1、基于随机过程的莱斯表达式产生窄带随机过程。

2、掌握窄带随机过程的特性,包括均值(数学期望)、方差、概率密度函数、相关函数及功率谱密度等。

3、掌握窄带随机过程的分析方法。

二、实验仪器或设备1、一台计算机2、MATLAB r2013a 三、实验内容及实验原理基于随机过程的莱斯表达式00()()cos ()sin y t a t t b t t ωω=- (3.1)实验过程框图如下:理想低通滤波器如图所示:图1 理想低通滤波器()20AH ∆ω⎧ω≤⎪ω=⎨⎪⎩其它(3.2) 设白噪声的物理谱0=X G N ω(),则系统输出的物理谱为 220=()=20Y X N AG H G ∆ω⎧0≤ω≤⎪ωωω⎨⎪⎩()()其它(3.3) 输出的自相关函数为:01()()cos 2Y Y R G d τωωτωπ∞=⎰ /221cos 2N A d ωωτωπ∆=⎰ (3.4) 20sin 242N A ωτωωτπ∆∆=⋅∆ 可知输出的自相关函数()Y R τ是一个振荡函数。

计算高斯白噪声x(t)、限带白噪声()a t 、()b t 及窄带随机过程()y t 的均值,并绘出随机过程各个随机过程的自相关函数,功率谱密度图形。

四、MATLAB 实验程序function random(p,R,C) %产生一个p 个点的随机过程%--------------------------高斯窄带随机过程代码--------------------------% n=1:p;w=linspace(-pi,pi,p); wn=1/2*pi*R*C;[b,a]=butter(1,wn,'low'); %产生低通滤波器Xt=randn(1,p); %产生p 个点均值为0方差为1的随机数,即高斯白噪声 at=filter(b,a,Xt); %让高斯白噪声通过低通滤波器y_at=at.*cos(w.*n); %产生随机过程a(t)y_bt=at.*sin(w.*n); %产生随机过程b(t)yt=y_at-y_bt; %产生一个p个点的高斯窄带随机过程subplot(211)plot(yt)title('高斯窄带随机过程y(t)')subplot(212)pdf_ft=ksdensity(yt) ;plot(pdf_ft)title('y(t)的概率密度图')disp('均值如下')E_Xt=mean(y_at)E_at=mean(y_at)E_bt=mean(y_bt)E_ft=mean(yt)%-----------------------自相关函数代码如下--------------------------% figure(2)R_Xt=xcorr(Xt); %高斯白噪声X(t)的自相关函数R_at=xcorr(at); %限带白噪声的自相关函数R_y_at=xcorr(y_at); %随机过程a(t).coswt的自相关函数R_y_bt=xcorr(y_bt); %随机过程b(t).coswt的自相关函数R_ft=xcorr(yt);subplot(2,2,1);plot(R_Xt);title('高斯白噪声的自相关函数R_Xt'); %并绘制图形subplot(2,2,2)plot(R_at);title('限带白噪声的自相关函数R_a_bx'); %并绘制图形subplot(2,2,3)plot(R_y_bt);title('随机过程b(t)的自相关函数R_y_bt');subplot(2,2,4)plot(R_ft);title('高斯窄带随机过程y(t)的自相关函数R_yt');%------------------------功率谱密度代码如下---------------------------% figure(3)subplot(1,2,1)periodogram(Xt);title('高斯白噪声功率谱密度S_Xt');subplot(1,2,2)periodogram(at);title('限带白噪声功率谱密度S_a_bt');figure(4)subplot(3,1,1)periodogram(y_at);title('随机过程a(t).coswt概率密度概率密度S_y_at');subplot(3,1,2)periodogram(y_bt);title('随机过程b(t).sinwt功率谱密度S_y_bt');subplot(3,1,3);periodogram(yt);title('高斯窄带随机过程y(t)的功率谱密度S_yt');五、实验结果将上述random 函数放在Path 中后,在Commaod Window 中输入:random(1000,10,0.001)时,输出结果如下:01002003004005006007008009001000-0.50.5高斯窄带随机过程y(t)0102030405060708090100246y(t)的概率密度图0500100015002000-50005001000高斯白噪声的自相关函数R X t 0500100015002000-101020限带白噪声的自相关函数R ab x 0500100015002000-50510随机过程b(t)的自相关函数R yb t 0500100015002000-101020高斯窄带随机过程y(t)的自相关函数R y t00.51-40-30-20-10010Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )高斯白噪声功率谱密度S X t 00.51-80-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )限带白噪声功率谱密度S ab t0.10.20.30.40.50.60.70.80.91-80-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )随机过程a(t).coswt 概率密度概率密度S ya t00.10.20.30.40.50.60.70.80.91-60-40-200Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )随机过程b(t).sinwt 功率谱密度S yb t0.10.20.30.40.50.60.70.80.91-50-40-30-20-10Normalized Frequency (⨯π rad/sample)P o w e r /f r e q u e n c y (d B /r a d /s a m p l e )高斯窄带随机过程y(t)的功率谱密度S y t在Commaod Window 中输出的结果如下:E_Xt = 0.0020 E_at= 0.0020 E_bt= -0.0020 E_ft = 0.0040六、实验结果分析:1、由于高斯白噪声Xt是标准正态的,所以均值趋近于零,而at,bt是由Xt通过一个线性系统(低通滤波器)得到的,所以输出均值不变,仍为零,从程序运行结果可以看出,Xt,at,bt均值都趋近于零。

窄带随机信号发生与分析

窄带随机信号发生与分析

【实验方法】 先利用matlab仿真白噪声序列,然后构造一个窄 带系统,使白噪声通过窄带系统形成高频窄带噪声 ,再提取高频窄带噪声的各个随机分量,研究高频 窄带噪声和其各个低频随机分量的性质。整个实验 平台采用matlab 中的simulink.实现的simulink模块 如下图所示:
电子科技大学随机信号分析课程组
3.按不同时间运行此模型,每次运行后,点击个带颜色的
功能模块,观察弹出窗口的各种描述相应统计数据的模
型.
【实验数据】
下面罗列了各个测试点的波形:
电子科技大学随机信号分析课程组
【实验步骤】
1. 打开matlab,在File-set path 菜单下将含有awgn.mdl
文件的目录设为缺省目录,本机上,该目录为
d:\rsexperiment\narrowband
2. 打 开 simulink 仿 真 器 的 模 型 编 辑 器 , 在 其 中 打 开
awgn.mdl模型,此模型如图一.
窄带随机信号仿真与分 析实验
【实验目的】: 仿真窄带随机信号,提取窄带随机信号的各个 分量随机信号,测量窄带随机信号及其各个分 量随机信号的参数,验证窄带随机信号及其各 个低频分量随机信号的性质。
【实验原理】
将理想白噪声 n0 t 通过高频窄带系统可形成高频窄 带 噪声:
n t V (t ) cos wt t x t cos wt y t sin wt
(其中
w 是窄带噪声的中心频率)
高频窄带噪声n(t)与其两个低频正交分量x(t),y(t)具有 相同的均值和方差,两个低频正交分量具有相同的相 关函数和功率谱密度;
高斯窄带噪声的包络随机信号的一维分布服从瑞利 分布,而其相位随机信号服从 均匀分布。

随机信号分析_第五章_窄带随机过程

随机信号分析_第五章_窄带随机过程

解析过程的性质
3. RXˆX ( ) RˆX ( ) RXXˆ ( ) RˆX ( ) 式中 RXˆX ( ) E[Xˆ (t)X (t )] RXXˆ ( ) E[X (t)Xˆ (t )]
Rˆ X ( )表示RX ( )的希尔伯特变换
4. RXˆX ( ) RXXˆ ( ) 5. RXˆX ( ) RXˆX ( )
定义: 在区间(-∞<t<∞)内给定实值函数
x(t),其希尔伯特变换记做 xˆ(t) 或者 H[x(t)],有:
H[x(t)] xˆ(t) 1 x( ) d
t
1 x(t ) d
希尔伯特变换的性质
1. 希尔伯特变换相当于一个正交滤波器。 等效于输入信号通过一个冲激响应为 h(t)=1/(πt)的线性系统。即:
X~() a~ ( 0)
说明复信号 ~s (t) 只包含正的频率成分, 而强度为X(ω)的两倍。
~s (t) 也可以分解为: ~s (t) s(t) js ' (t)
其中s’(t)=asin φ(t)=asin(ω0t+θ),为与s(t) 正交的分量。
二、任意信号的复数表示方法
为了设简s化(t)分为析任,意用的复实信信号号~s,(t频)来谱表为示X,(ω它)。 必须满足:
因为:a(t) X (t) cos0t Xˆ (t) sin 0t b(t) X (t) sin0t Xˆ (t) cos0t
SX () 0S,X (),
| | c
others
则称X(t)为低通过程。
SX(ω)
-ωc 0 ωc ω
如果X(t)的功率谱密度为:
SX () 0S,X (),
0 c | | 0 c
others
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

实验报告
实验题目:窄带随机过程的模拟
窄带随机过程的模拟
一、实验目的
(1)了解具有任意功率谱(低频)的正态随机过程的模拟; (2)了解窄带随机过程的模拟方法。

二、实验原理
(1)任意功率谱的正态随机过程的模拟
假定需要产生一个持续时间为d T 的高斯随机过程的一个样本()X t ,要求功率谱
满足()X G f 。

为此,可以先将()X t 进行周期延拓,得到一个周期信号,然后对周期信号进行傅里叶级数展开。


0201
()()j f k k k d
X
t X e f T π∞
=-∞
==

由于傅里叶级数是k X 的线性组合,所以,如果k X 是零均值的高斯随机变量,那么()X t 也是零均值高斯过程,如果{}
()X
t 是两两正交的序列,则周期信号的功率谱为线谱。

即 2
220
()()(())k
k k X k G f g f kf g
E X δ∞
=-∞
=
- =∑
通过选择k g 就可以得到期望的功率谱。

假定()X G f 是带限的,即
()0()X G f f B = >
那么,{}
2
k g 只有有限项,共21M +项,与此对应的傅里叶级数也是21M +项。

因此,只需产生21M +个互相正交的零均值高斯随机变量{}11,,,,M M M M X X X X --+- 。

然后据此构造时域样本函数即可,有
02()[]()M
j f k i t k k M
X i X i t X e π∆=-=∆=

其中t ∆为任意小的时间间隔。

(2)窄带随机过程的模拟
对于窄带系统,当系统输入白噪声或宽带噪声时,输出可以表示为
0()()cos[()]Y t A t t t ω=+Φ
其中0ω为中心频率,()A t 和()t Φ是满变化的随机过程,对上式展开得
00()()cos ()sin c s Y t A t t A t t ωω=-
其中,()()cos (),()()sin ()c s A t A t t A t A t t =Φ=Φ,是慢变化的随机过程,分别称为窄带随机过程的同向分量和正交分量。

三、实验内容
1. 有色高斯随机过程的产生 假定要求模拟产生一个功率谱为 4
1
()1(/)X G f f f =
+∆
的高斯随机过程,过程的时长为5ms ,1Hz f k ∆=,画出一个样本函数。

2. 产生窄带随机过程
以(1)产生的有色高斯过程作为同相分量和正交分量,产生时长为5ms 、中心频率为
01000/f =π的窄带随机过程,画出一个样本函数。

四、 实验结果与分析
(一) 设计此实验有如下过程:
a .根据所需过程的时长td 确定频率f0,并由此确定傅里叶级数系数的长度M=[B/f0];
b .根据式
0()(*)
B
X
B
M
X
k M
G
f df G
k f β-=-=
⎰∑ 确定系数
c .产生2M+1个独立的高斯随机变量,即
0(0,(*)),,1,,1,k X X N G k f k M M M M
β=--+-
d .构建时域样本函数。

本题中td=5ms ,f0=0.2kHz ,B=6KHz ,M=30; 按照频域产生有色高斯随机过程的步骤,编程得到: clear all; clc; td=0.005; f0=200; B=6000; M=floor(B/f0); x1=-B:100:B;
y1=1./((1+(x1./1000).^4));
z1=trapz(x1,y1); sum=0; for m=-M:M;
sum=sum+1./(1+(m.*f0/1000).^4)
end a=z1/sum; for j=-M:M;
A=randn(61,1);
h(M+1+j)=sqrt(a*1./((1+(j.*f0/1000).^4)))*A(M+1+j); end m=0:0.01:5; sum=0; for n=-M:M;
sum=sum+h(M+1+n)*exp(1i*2*pi*0.2*n*m);
end
X=sum; %样本函数 plot(m,X);
axis([0 5 -200 100]); xlabel('时间 t/ms'); ylabel('样本函数 X(t)');
其中一个样本如下图所示:
00.51 1.52
2.53
3.54
4.55
时间 t/ms
样本函数 X (t )
该图形关于中间时刻对称,这与f0有关。

(二)
00.51 1.52
2.5
3 3.5
4 4.5
5
x 10
-3
-2.5
-2-1.5-1-0.500.51
1.5时间 t/s
y (t )
窄带随机过程的一个样本函数 y(t)
程序代码: clear all;clc;
t=0:0.0001:0.005; w0=1000/pi;
sita=2*pi*randn(1,51); A=randn(1,51); Ac=A.*cos(sita); As=A.*sin(sita);
y=Ac.*cos(w0*t)-As.*sin(w0*t); plot(t,y);
xlabel('时间 t/s'); ylabel('y(t)');
title('窄带随机过程的一个样本函数 y(t)');
五、 心得体会
在做第一个内容的时候,由于要对功率谱作分析,不清楚前进的方向,因此做了许多无用功,十分沮丧。

除此之外,实验内容一大量用到了矩阵的点乘点除,稍有不慎即会报错。

总而言之,还是有不小的收获。

六、实验要求
(1)个人独立完成实验,切勿抄袭; (2)用MATLAB 完成所有要求的实验内容;
(3)撰写详细的实验报告,实验报告中应该包括以下內容: ● 实验内容和原理的简单阐述,分析; ● 得到的实验结果图形及简要分析,比较; ● 自己的实验心得。

相关文档
最新文档